كليدواژه :
ترجمه ماشيني , تحليل متن , درك مطلب , آزمون تي
چكيده فارسي :
پيشينه و اهداف: ترجمه ماشيني در حال حاضر به طور گسترده در همه جا مورد استفاده قرار مي‌گيرد؛ با اين حال، نقش آن به عنوان ابزار يادگيري زبان تأييد نشده است، زيرا نگراني‌هايي در مورد كيفيت آن وجود دارد. با اين حال، اگر خروجي ترجمه ماشيني را با خروجي توليد شده ده سال پيش مقايسه كنيم، شاهد پيشرفت چشمگيري در كيفيت آن بخصوص در بعد واژگاني و دستوري هستيم. ترجمه ماشيني را مي‌توان بدين شكل تعريف كرد: فرايندي كه از طريق آن و با استفاده از دستگاه‌هاي الكترونيكي مي‌توان ورودي را از زباني ارايه نمود و خروجي را به زبان ديگر تحويل گرفت. هنگامي‌كه ترجمه ماشيني روي گوشي‌هاي هوشمند در دسترس همگان قرار گرفت به دليل مزايايي همچون رايگان بودن و سهولت دسترسي، مقبوليتي همگاني كسب نمود.
در حوزه تعليم و تعلم، هر روزه يادگيرندگان زيادي از اين فناوري براي اهداف مختلف شخصي و همچنين علمي استفاده مي‌كنند. اين اهداف به طور عمده عبارتند از درك متني كه به زبان مادري نوشته نشده است و يا ترجمه متون مختلف از زبانهاي مختلف به زبانهاي ديگر و تحويل آن بعنوان تكاليف درسي به مدرسان. ترجمه ماشيني با توليد نسخه‌اي نه چندان كامل مي‌تواند به يادگيرندگان كمك كند درك مختصري از متني كه از زبان ديگري به غير از زبان مادري نگاشته شده است پيدا كنند
هدف از اين پژوهش بررسي تاثير ترجمه ماشيني روي درك مطلب دانشجويان است.
روش‌ها: براي رسيدن به اين هدف، سه نوع متن با سطوح مختلف دشواري انتخاب شد. اين متون يك بار توسط مترجم انساني و يك بار با ترجمه ماشيني (مترجم گوگل) ترجمه شد. در نهايت شش متن بدست آمد. خروجي ترجمه ماشيني مورد ارزيابي قرار گرفته و تجزيه و تحليل شد.
يافته‌ها: سپس دانشجويان كارشناسي ارشد كه بيشتر از ترجمه ماشيني براي درك مطالب درسي خود استفاده مي‌كنند به صورت تصادفي به شش گروه تقسيم شدند و هر گروه يكي از اين متون را خوانده و به سوالات چهار جوابي درك مطلب در انتهاي متن پاسخ دادند. آزمون تي روي داده‌ها انجام شد و مشخص گرديد كه از سه نوع متن، دو نوع متن عليرغم داشتن برخي مشكلات واژگاني و دستوري توانست با ترجمه انساني رقابت كند.
نتيجه‌گيري: داده‌ها نشان داد كيفيت ترجمه ماشيني در حال بهبود است و هم اكنون به آن درجه از كيفيت رسيده است كه از آن بتوان بعنوان ابزاري در محيط‌هاي آموزشي استفاده نمود. راهكارهايي نيز در خصوص استفاده بهينه از اين فناوري در كلاس درس ارايه گرديده است.
با توجه به اينكه نوع متن تاثير بسيار زيادي در كيفيت ترجمه ماشيني دارد و متون علمي بسيار خوب و متون ادبي بسيار بد ترجمه ماشيني مي‌شوند اين نكته نيز بايستي در تعميم دادن نتايج اين پژوهش مد نظر قرار گيرد. هر سه متن ترجمه شده توسط گوكل توانست با متن ترجمه شده انساني از ديدگاه درك مطلب برابري نمايد ليكن تعداد جملات مجهول در اين متن از دو متن ديگر بيشتر بود كه انتظار ميرفت در درك مطلب دانشجويان تاثير منفي بگذارد كه چنين چيزي مشاهده نشد. مسئله جنسيت نيز مي تواند مورد بررسي قرار گيرد تا بدانيم آيا ارتباطي بين جنسيت و نوع واكنش به ترجمه ماشيني وجود دارد يا خير
چكيده لاتين :
Background and Objectives: Machine translation is now widely used everywhere; However, its role as a language learning tool has not been confirmed, as there are concerns about its quality. However, if we compare the machine translation output with the output produced ten years ago, we see a significant improvement in its quality, especially in terms of vocabulary and grammar. Machine translation can be defined as: the process by which, using electronic devices, input can be provided from one language and output delivered in another language. When machine translation became available on smartphones, it gained universal acceptance because of its benefits such as free and easy access. In the field of education, many learners use this technology every day for various personal as well as academic purposes. These goals mainly include understanding a text that is not written in the native language or translating different texts from different languages into other languages and delivering it as homework. Machine translation can help learners gain a quick understanding of a text written in a language other than their mother tongue by producing an incomplete version. The aim of this research was to assess the quality of machine translation and its impact on students’ reading comprehension.
Methods: Three types of texts were selected with varying levels of difficulty. These texts were translated once by a human translator and once by machine translation (Google Translator). Finally, six texts were obtained. The output of machine translation was evaluated and analyzed. Postgraduate students who happened to use machine translation more frequently were then randomly divided into six groups, each group reading one of these texts and answering multiple choice comprehension questions at the end of the text. The T-test was performed on the data and it was found that from the three types of texts, the two types of texts, despite having some lexical and grammatical problems, were able to compete with human translation.
Findings: The data showed that the quality of machine translation is improving and has now reached a degree of quality that can be used as a tool in educational environments. Some guidelines were also given on how to use this technology in the classroom.
Conclusion: This study attracts attention of language educators to MT and its use in language teaching. It suggests that language educators should be trained to use this tool to improve language learning among students. Considering that the type of text has a great impact on the quality of machine translation and very good scientific texts and very bad literary texts are machine translated, this point should also be considered in generalizing the results of this research. All three texts translated by Google were able to match the human translated text in terms of comprehension, but the number of unknown sentences in this text was more than the other two texts, which were expected to have a negative effect on students' comprehension, which was not observed. The issue of gender can also be examined to see if there is a relationship between gender and the type of reaction to machine translation or not.
